ディープニューロ進化の機能創発のためのモチーフ構造に関する研究

点击翻译按钮获取中文摘要

本研究では，ディープニューロ進化のモチーフ構造に基づく機能創発を目的とする．モチール構造とは、ニューロ進化の遺伝子型において入れ子式に組み合わさった情報の流れや集合形成などに寄与する情報論的により深い特徴を意味する．この研究の遂行のために本年度には，提案した手法をさまざまな実際的応用に適用した．ロボティクスついては複数ロボットの協調作業などを中心に引き続き検証を行った．また新たな応用として，工学的最適化問題や創発デザインの適用を試みた。とくに、ロバストネスと進化可能性の考え方が本研究でのモチーフ性において重要と考えられるため、ニューロ進化で得られた発現型（ニューロンのつながり方）のさまざまな幾何構造（左右対称性，不完全な対称，周期性・変化を伴う繰り返しなど）の解析を試みた。具体的には、制御の分野に本提案手法を適用して、複雑な非線形系問題などに必要な調整機能を進化計算に基づく最適化によって的確に実現した．予測モデルの機能は，優れた非線形関数近似器である深層学習モデルによって強化される．従来手法では非常に計算が複雑なアルゴリズムであったが、本研究課題の提案手法を利用することで，収束時間を短縮しつつ予測制御の品質を向上させることを実験的に確認した．さらに、X線投影画像の医療へのニューロ進化の応用を新たに試みた．この研究では、古典的手法と深層学習を組み合わせることで、多視点のX線画像から高精度なCT画像を生成することを目指した．実際にX線画像から作成したデータを用いてその手法に関する有効性を検証した．